Analisis Perbandingan Algoritma Logika Fuzzy Model Sugeno dan Mamdani untuk Pengukuran Kualitas Kolam Air Renang Berbasis Mikrokontroller

Ukuran: px
Mulai penontonan dengan halaman:

Download "Analisis Perbandingan Algoritma Logika Fuzzy Model Sugeno dan Mamdani untuk Pengukuran Kualitas Kolam Air Renang Berbasis Mikrokontroller"

Transkripsi

1 Analisis Perbandingan Algoritma Logika Fuzzy Model Sugeno dan Mamdani untuk Pengukuran Kualitas Kolam Air Renang Berbasis Mikrokontroller Unang Sunarya Fakultas Ilmu Terapan, Telkom University, Bandung Intisari- Air merupakan salah satu kebutuhan pokok yang harus dipenuhi bagi kelangsungan hidup manusia. Selain untuk konsumsi (minuman) air juga dibutuhkan manusia untuk menunjang kebersihan sehari-hari. Salah satunya adalah penggunaan air untuk mandi atau renang pada kolam renang, baik kolam renang pribadi ataupun umum. Hal yang sering dilupakan adalah kulitas air yang digunakan apakah masih dalam kondisi bersih atau sudah kotor. Biasanya semakin sering digunakan kualitas air kolam renang akan semakin menurun. Oleh karena itu, perlu ada informasi mengenai kondisi air sehingga dapat ditentukan kapan waktu yang tepat untuk dilakukan penggantian air, sehingga penggunaan air bersih menjadi lebih optimal. Pada penelitian ini dibandingan penggunaan 2 metoda fuzzy model Sugeno dan Mamdani untuk menentukan kualitas air kolam renang berdasarkan pengukuran nilai ph dan kesadahan air. Hasil pengujian menunjukan kedua metoda dapat mengklasifikasikan status air bersih atau kotor dengan tepat, dengan akurasi ketepatan berdasarkan aturan fuzzy yang dibuat sebesar 00%. Adapun untuk model Sugeno memiliki waktu komputasi yang lebih cepat yaitu 2,57 detik dibandingan dengan model Mamdani 3,452 detik. Keywords- kolam renang, kualitas air, fuzzy, sugeno, mamdani. I. PENDAHULUAN yang kurang baik dapat menimbulkan berbagai sumber penyakit bagi penggunanya. Berdasarkan Peraturan Menteri Kesehatan No.46 Tahun 990 Tentang : Syarat-syarat dan Pengawasan Kualitas Air. Lampiran III Tanggal 3 September 990 mengenaia daftar persyaratan kualitas air kolam renang. Pada permen tersebut disebutkan beberapa unsur yang merupakan parameter dalam penentuan kualitas air kolam renang diantaranya unsur fisika, kimia, dan mikrobiologi[]. Pada penelitian ini dugunakan perbandingan dua metoda logika fuzzy model Sugeno dan Mamdani untuk menganalisis dan mengklasifikasikan kualitas air kolam renang apakah masih baik dan layak digunakan atau sudah kotor dan tidak layak digunakan. Adapun landasan parameter yang diambil yaitu dari peraturan menteri kesehatan No. 46 Tahun 990, yang mengatakan bahwa pada unsur kimia nilai kelayakan kualitas air kolam renang untuk kesadahan ( CaCo3 ) adalah pada batasan mg/l sedangkan untuk nilai kelayakan PH adalah 6,5 s.d. 8.5[]. Adapun penelitian sebelumnya terkait dengan pengukuran kualitas air adalah dilakuakan pada air tambak udang[2] dan penelitian pada air kolam renang namun hanya menggunakan logika fuzzy model Sugeno saja[3] serta pengukuran kualitas air kolam renang dengan metoda penelitian deskriptif yang bersifat cross sectional[4]. II. DASAR TEORI Kolam renang merupakan salah satu sarana atau tempat yang sering digunakan baik sebagai tempat rekreasi atau olah raga. Kolam renang selaian sebagai tempat pribadi yang ada di rumahan juga sering digunakan untuk penggunaan umum, misalnya kolam renang yang dibuat sengaja untuk kepentingan bisnis. Adakalanya kolam renang yang biasa digunakan tidak terawat dengan baik sehingga dapat menurunkan kulitas darai air kolam tersebut. Menurunya kualitas air kolam renang dan perawatan A. Parameter Kualitas Air Air merupakan salah satu hal yang tidak dapat dipisahkan dari kebutuhan manusia sehari-hari, baik untuk kepentingan konsumsi atau pun rekreasi. Oleh karenanya, sangat penting sekali adanya pengamatan terhadap kualitas air, salah satunya kualitas air kolam renang. Dimana air kolam renang merupakan sarana yang yang secara umum

2 lebih banyak digunakan, sehingga cenderung penurunan kualitasnya cepat. Berdasarkan peraturan menteri kesehatan RI No : 46/ MENKES/ PER/IX/990. Tanggal : 3 September 990 mengenai daftar persyaratan kualitas air kolam renang. Dalam Peraturan menteri tersebut dikatakan bahwa ada beberapa parameter yang dapat digunakan untuk menentukan kualitas air kolam renang diantaranya : parameter Fisika, kimiawi, kimia oraganik mikrobiologi, dan radio aktivitas. Dari semua parameter tersebut, parameter kimia merupakan salah satau bagian yang memberikan pengaruh signifikan terhadap kesehatan. Dimana pada parameter kimia tersebut kesadahan(caco3) dan ph banyak digunakan untuk menentukan kualitas air. Pada permen tersebut disebutkan bahwa, batas normal untuk kesadahan adalah ppm dan untuk ph adalah 6,5 8,5. Definisi air sadah adalah air dengan kandungan mineral-mineral tertentu di dalam air, berupa ion kalsium (Ca) dan magnesium (Mg) yang bentuk garam karbonat. Air sadah atau air keras adalah air yang memiliki kadar mineral yang tinggi, sedangkan air lunak adalah air dengan kadar mineral yang rendah [5].Sedangkan ph berasal dari singkatan potential of Hydrogen yaitu ukuran konsentrasi ion hidrogen yang menunjukkan keasaman atau kebasaan suatu zat [6]. B. Logika Fuzzy Sistem fuzzy merupakan initi dari Soft Computing[6]. Sedangkan himpunan fuzzy (kabur) merupakan generalisasi konsep himpunan biasa atau klasik, untuk himpunan semesta U, dimana himpunan fuzzy ditentukan oleh fungsi keanggotaan yang memetakan anggota u ke rentang keanggotaan dalan interpal 0 sampai, tisak seperti himpunan klasik yang hanya terdiri dari 0 atau saja[7][8]. Pada umumnya ada 2 model inferensi fuzzy yang sering digunakan yaitu model Fuzzy Sugeno dan Mamdani [8]. Berikut ditunjukan diagram blok sistem berbasis aturan fuzzy. μ Fuzzifikasi Fuzzy Input Inference Fuzzy Output Defuzzifikasi Crisp Value Crisp Input Fuzzy Rules Output μ Gbr. Diagram Blok Sistem Berbasis Aturan Fuzzy[6] Model Sugeno Model inferensi model Sugeno (Takagi Sugeno kang 985) memiliki karakteristik yaitu konsekuen tidak merupakan himpunan fuzzy namun merupakan suatu persamaan linear dengan variabelvariabel sesuai dengan variable-variabel inputnya [9]. Ada dua model untuk sistem inferensi fuzzy model Sugeno yaitu[9] : Model Fuzzy Sugeno Orde 0 : If(x is A ) (x 2 is A 2 ) (x 3 is A 3 ) (x N is A N ) Then Z = k () Model Fuzzy Sugeno Orde : If(x is A ) (x 2 is A 2 ) (x N is A N ) Then Z = p x + + p 2 x 2 + q (2) Model Mamdani Fuzzy model ini banyak digunakan untuk membangun sistem dengan penalarannya menyerupai intuisi manusia. Dengan kompeksnya perhitungan, metode mamdani membutuhkan waktu yang relatif lama, namun hasil ketelitiannya cukup tinggi[9]. Deffuzyfication Terdapat berbagai metode defuzzyfication yang telah berhasil diaplikasikan untuk berbagai macam masalah, yaitu : Centroid method, Height method, First (or last) of Maxima, Mean-Max method, dan Weighted Average[0]. Membership function Di dalam fuzzy sistem, fungsi keanggotaan memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat.

3 Terdapat banyak sekali fungsi keanggotaan yang bisa digunakan yaitu : fungsi Sigmoid, fungsi Phi, fungsi Segitiga, fungsi Generalized Bell, fungsi Gausian, dan fungsi Trapesium[0][]. B. Diagram Alir Sistem Mulai Inisialisasi System III. PERANCANGAN SISTEM A. Diagram Blok Sistem Berikut diperlihatkan diagram blok sistem keseluruhan : Lakukan Koneksi sistem Sistem terkonrksi =? Y Masukan nilai ph & kesadahan T GUI Aplikasi Pengirim Parameter Input :. ph 2. Kesadahan (CaCO3) Hasil :. Nilai Kelayakan 2. Waktu Komputasi 3. Status air Virtual Komunikasi Serial Modul Virtual Serial Gbr. 2 Diagram blok Sistem Penerima : Virtual Sistem Minimum Mikrokontroller Logika Fuzzy:. Model Sugeno 2. Model Mamdani LCD: Hasil Keputusan Pada Gbr. 2 di atas ditunjukan diagram blok sistem dengan parameter masukannya adalah ph dan Kesadahan. Pilih proses metoda Sugeno atau Mamdani Tampilkan : Nilai kelayakan, waktu komputasi & Status air Selesai Gbr. 5 Diagram alir sistem C. Model Logika Fuzzy μ(x) Murni Sadah Normal Sangat Sadah x Gbr. 6 Fuzzyfikasi Kesadahan air Gbr. 3 User Interface Pengirim Gambar 6 menunjukan derajat keanggotaan untuk kesadahan air yang diukur. Dimana diaktakan murni untuk nilai kesadahan 0 50 ppm, normal untuk nilai kesadahan ppm, dan lebih dari itu dikatakan sangat sadah. μ(y) Asam Normal Basa y Gbr. 4 Sistem minimum Mikrokontroller ATmega32 Gbr. 7 Fuzzyfikasi ph air Gambar 7 menunjukan derajat keanggotaan untuk ph, dimana diaktakan

4 normal untuk nilai 6,5 8,5. Di bawah batas normal dikatakan asam dan di atas normal sampai nilai 4 dikatakan basa. TABEL I Rules Inference yang Digunakan CaCO3 ph Asam Normal Basa Murni No Yes No Normal No Yes No S.Sadah No No No Pada tabel ditunjukan aturan fuzzy yang digunakan untuk keputusan proses yang dikerjakan. Pada penelitian ini ditentukan untuk air bersih (Yes) dibatasi pada kondisi ph normal dan kesadahan pada air murni atau normal. μ(z) μ(z) Air Kotor Air Kotor Air Bersih Gbr. 8 Deffuzyfikasi Sugeno Air Bersih Gbr. 9 Defuzzyfikasi Mamdani IV. HASIL DAN DISKUSI 00 Pada pengujian sistem dilakukan pengujian pada kondisi nilai ph 3, 7, dan untuk setiap metoda fuzzy Sugeno dan fuzzy Mamdani yang digunakan. Sedangkan nilai kesadahan yang diuji mulai dari 30, 40, 50, 60, 250, 490, 500, 50, dan 600. Adapun pemilihan nilai ini sudah disesuaikan untuk bisa mewakili masing-masing nilai parameter sensor yang digunakan untuk berada pada deskripsi dari kondisi yang digunakan. z z A. Pengujian dengan Fuzzy Sugeno TABEL II Hasil pengujian dengan ph 3 PH= K K K K K B K K K Pada tabel 2 dapat dilihat bahwa pada pengujian hanya pada ph 3 dan kesadahan 490 status akhir dalam kondisi bersih (B), dengan waktu komputasi rata-rata 3450, 668 milidetik. TABEL III Hasil pengujian dengan ph 7 PH= B B B B B B B B K Pada tabel 3 dapat dilihat bahwa pada pengujian hanya pada ph 7 dan kesadahan 600 status akhir dalam kondisi kotor (K), dengan waktu komputasi rata-rata 3452, 386 milidetik. TABEL IV Hasil Pengujian dengan ph PH= K K K K K B K K K Pada tabel 4 dapat dilihat bahwa pada pengujian hanya pada ph dan kesadahan 490 status akhir dalam kondisi bersih, dengan waktu komputasi rata-rata 3459, 8 milidetik.

5 B. Pengujian Mamdani TABEL V Hasil Pengujian dengan ph 3 PH= K K K K K B K K K TABEL VI Hasil Pengujian dengan ph 7 PH= B B B B B B B B K TABEL VII Hasil Pengujian dengan ph PH= K K K K K B K K K Pada table 5 dapat dilihat bahwa pada pengujian pada ph 3 dan kesadahan 490 status akhir dalam kondisi bersih, dengan waktu komputasi ratarata 3459, 8 milidetik. Pada table 6 pada ph 7 dan kesadahan 600 air kotor, Pada ph hanya pada kesdahan 490 air bersih. V. PENUTUP Dari hasil pengujian didapatkan bahwa :. Pada pengujian sistem dengan menggunakan model Sugeno didapatkan waktu komputasi rata-rata sebesar 2,57 detik sedangkan dengan model Mamdani didapatkan waktu komputasi 3,452 detik, sehingga dapat disimpulkan model Mamdani membutuhkan waktu proses yang lebih lama dibandingan dengan model Sugeno. 2. Untuk pengujian kedua sistem berdasarkan rule inference yang digunakan baik model Sugeno ataupun Mamdani didapatkan akurasi pengujian sebesar 00 %. REFERENSI [] Peraturan Menteri Kesehatan No. 46 Tahun 990 Tentang : Syarat-syarat Dan Pengawasan Kualitas Air. [2] Indriawati, Katherin. Pembuatan Modul Kontrol Kualitas Air Tambak Udang Sebagai Sarana Pembelajaran Perbaikan Teknik Budidaya udang: Jurusan Teknik Fisika FTI ITS [3] Sunarya, Unang.205. Simulasi Dan Analisis Alat Ukur Untuk Penentuan Kualitas Air Kolam Renang Berbasis Logika Fuzzy. Seminar Nasional Sains dan Teknologi (SENSAINTEK) UIN SGD Bandung. [4] Cita, Dian Wahyu dan Retno Adriyani. Jurnal Kesehatan Lingkungan Unair Vol.7 No.Juli :3 [5] Mengenal Air Sadah (202)- Pengertian dan Cara Menghilangkan Sifat Kesadahan [online] Available: /202 /02/mengenal-air-sadah-pengertian-dancara.html. [6] Kamus Kesehatan. [Online] Available : [7] Suyanto.2008.Soft Computing Membangun Mesin ber-iq Tinggi. Informatika : Bandung. [8].Widodo, Thomas Sri.2005.Sistem Neuro Fuzzy untuk Pengolahan Informasi, Pemodelan, dan Kendali.Yogyakarta:Graha Ilmu. [9] Kusumadewi, Sri dan Sri Hartati.200.Neuro- Fuzzy Integrasi Sistem Fuzzy & Jaringan Syaraf. Yogyakarta:Graha Ilmu] [0] Suyanto Artificial Intelegent. Bandung: Informatika Bandung [] Rusiana, Endang. (20), Fuzzy Logic, (diakses 20 Mei 205)

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Pada bab ini penulis akan menjelaskan mengenai landasan teori yang digunakan pada penelitian ini. Penjabaran ini bertujuan untuk memberikan pemahaman lebih mendalam kepada penulis

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini

Lebih terperinci

Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence

Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence Prof. Erich P., Johannes Kepler Univ. Suyanto, Artificial Intelligence 12/11/2009 1 Pada hidup sehari-hari, kita terbiasa dengan ucapan kecil, agak panas, sekitar jam 2. Ucapan yang tidak presisi (imprecise

Lebih terperinci

Himpunan Tegas (Crisp)

Himpunan Tegas (Crisp) Logika Fuzzy Logika Fuzzy Suatu cara untuk merepresentasikan dan menangani masalah ketidakpastian (keraguan, ketidaktepatan, kekuranglengkapan informasi, dan kebenaran yang bersifat sebagian). Fuzzy System

Lebih terperinci

PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)

PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program

Lebih terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak

Lebih terperinci

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH

Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH 68 REPRESENTASI EMOSI MENGGUNAKAN LOGIKA FUZZY PADA PERMAINAN BONNY S TOOTH BOOTH Septiani Nur Hasanah 1, Nelly Indriani Widiastuti 2 Program Studi Teknik Informatika. Universitas Komputer Indonesia. Jl.

Lebih terperinci

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI

Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Beras merupakan salah satu kebutuhan pokok manusia yang sangat penting dalam kelangsungan hidupnya. Untuk memenuhi kebutuhan beras, setiap manusia mempunyai cara-cara

Lebih terperinci

Metode Fuzzy. Analisis Keputusan TIP FTP UB

Metode Fuzzy. Analisis Keputusan TIP FTP UB Metode Fuzzy Analisis Keputusan TIP FTP UB Pokok Bahasan Pendahuluan Logika Klasik dan Proposisi Himpunan Fuzzy Logika Fuzzy Operasi Fuzzy Contoh Pendahuluan Penggunaan istilah samar yang bersifat kualitatif

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya

Institut Teknologi Sepuluh Nopember Surabaya Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut

Lebih terperinci

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH

IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH IMPLEMENTASI LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA GABAH Reino Adi Septiawan Program Studi Teknik Informatika S1 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang Email : a11.2009.04948@gmail.com

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Fuzzy secara bahasa diartikan sebagai kabur atau samar yang artinya suatu nilai dapat bernilai benar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotan

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas

BAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,

Lebih terperinci

BAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon

BAB IV PEMBAHASAN. BAB IV berisi pembahasan tahapan penelitian, yaitu klasifikasi logika. A. Identifikasi Data Cadangan Hidrokarbon BAB IV PEMBAHASAN BAB IV berisi pembahasan tahapan penelitian yaitu klasifikasi logika fuzzy hasil pembahasan analisis pengujian model fuzzy dan visualisasi model fuzzy pada perhitungan cadangan hidrokarbon

Lebih terperinci

Praktikum sistem Pakar Fuzzy Expert System

Praktikum sistem Pakar Fuzzy Expert System Praktikum sistem Pakar Fuzzy Expert System Ketentuan Praktikum 1. Lembar Kerja Praktikum ini dibuat sebagai panduan bagi mahasiswa untuk praktikum pertemuan ke - 8 2. Mahasiswa akan mendapatkan penjelasan

Lebih terperinci

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA

ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA ARTIFICIAL INTELLIGENCE MENENTUKAN KUALITAS KEHAMILAN PADA WANITA PEKERJA Rima Liana Gema, Devia Kartika, Mutiana Pratiwi Universitas Putra Indonesia YPTK Padang email: rimalianagema@upiyptk.ac.id ABSTRAK

Lebih terperinci

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan

BAB 1 PENDAHULUAN. Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan BAB 1 PENDAHULUAN 1.1. Latar Belakang Logika fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Logika fuzzy memberikan rangka kerja yang kuat dalam memecahkan masalah

Lebih terperinci

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ

SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Logika Fuzzy Zadeh (1965) memperkenalkan konsep fuzzy sebagai sarana untuk menggambarkan sistem yang kompleks tanpa persyaratan untuk presisi. Dalam jurnalnya Hoseeinzadeh et

Lebih terperinci

REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA

REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 REVIEW PENERAPAN FUZZY LOGIC SUGENO DAN MAMDANI PADA SISTEM PENDUKUNG KEPUTUSAN PRAKIRAAN CUACA DI INDONESIA Anisa Citra Mutia, Aria Fajar Sundoro,

Lebih terperinci

ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2207

ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2207 ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2207 PERANCANGAN DAN IMPLEMENTASI ALAT UKUR UNTUK PENENTUAN KUALITAS AIR BERBASIS LOGIKA FUZZY METODE SUGENO DESIGN AND IMPLEMENTATION

Lebih terperinci

Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk

Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Nusantara of Enginering/Vol.3/No.1/ISSN: 2355-6684 41 Penerapan Metode Fuzzy Sugeno Dalam Pendaftaran Siswa Baru di SDN Sonopatik 1 Nganjuk Fajar Rohman Hariri Jurusan Teknik Informatika, Fakultas Teknik,

Lebih terperinci

Penentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor

Penentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor A527 Penentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor Syah Dia Putri Mustika Sari, R.V. Hari Ginardi, dan Chastine Fatichah Departemen Teknik

Lebih terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau

Lebih terperinci

ANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DAN TSUKAMOTO

ANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE FUZZY INFERENCE SYSTEM (FIS) MAMDANI DAN TSUKAMOTO Jur. Ris. Ap. Mat. Vol. 1, No. 1 (2017), pp. 1 52. Jurnal Riset dan Aplikasi Matematika e-issn 2581-0154 URL: journal.unesa.ac.id/index.php/jram ANALISIS PERBANDINGAN HARGA MOBIL BEKAS MENGGUNAKAN METODE

Lebih terperinci

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi

Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Penerapan FuzzyTsukamotodalam Menentukan Jumlah Produksi Berdasarkan Data Persediaan dan Jumlah Permintaan Ria Rahmadita Surbakti 1), Marlina Setia Sinaga 2) Jurusan Matematika FMIPA UNIMED riarahmadita@gmail.com

Lebih terperinci

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012

PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR 2012 PENALARAN FUZZY Digunakan untuk menghasilkan suatu keputusan tunggal / crisp saat defuzzifikasi Penggunaan akan bergantung

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI Bab landasan teori bertujuan untuk memberikan penjelasan mengenai metode atau pun teori yang digunakan dalam laporan tugas akhir ini, sehingga dapat membangun pemahaman yang sama antara

Lebih terperinci

ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN

ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN ANALISIS RULE INFERENSI SUGENO DALAM SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN Khairul Saleh Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi, Universitas Sumatera Utara Jalan Universitas

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com

Lebih terperinci

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI

EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI EVALUASI KINERJA GURU DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM (FIS) MAMDANI Karmila Suryani 1), Khairudin 2) 1) FKIP Universitas Bung Hatta Padang 2) FKIP Universitas Bung Hatta Padang e-mail: karmilasuryani.ptik@gmail.com,khaihatta@yahoo.com

Lebih terperinci

KASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno

KASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).

Lebih terperinci

PENGEMBANGAN SISTEM PAKAR FUZZY

PENGEMBANGAN SISTEM PAKAR FUZZY FUZZY EXPERT SYSTEM FUZZY INFERENCE SYSTEM FUZZY REASONING Toto Haryanto MATA KULIAH SISTEM PAKAR DEPARTEMEN ILMU KOMPUTER INSTITUT PERTANIAN BOGOR PENGEMBANGAN SISTEM PAKAR FUZZY Domain Masalah Fuzzifikasi

Lebih terperinci

ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 2254

ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 2254 ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 2254 PERANCANGAN DAN IMPLEMENTASI SISTEM ROBOT PENGGENGGAM BENDA MENGGUNAKAN FUZZY LOGIC DESIGN AND IMPLEMENTATION OF FUZZY

Lebih terperinci

NURAIDA, IRYANTO, DJAKARIA SEBAYANG

NURAIDA, IRYANTO, DJAKARIA SEBAYANG Saintia Matematika Vol. 1, No. 6 (2013), pp. 543 555. ANALISIS TINGKAT KEPUASAN KONSUMEN BERDASARKAN PELAYANAN, HARGA DAN KUALITAS MAKANAN MENGGUNAKAN FUZZY MAMDANI (Studi Kasus pada Restoran Cepat Saji

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Himpunan adalah kata benda yang berasal dari kata himpun. Kata kerjanya adalah menghimpun. Menghimpun adalah kegiatan yang berhubungan dengan berbagai objek apa saja.

Lebih terperinci

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI)

APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) APLIKASI PENGAMBILAN KEPUTUSAN DENGAN METODE TSUKAMOTO PADA PENENTUAN TINGKAT KEPUASAN PELANGGAN (STUDI KASUS DI TOKO KENCANA KEDIRI) 1Venny Riana Agustin, 2 Wahyu H. Irawan 1 Jurusan Matematika, Universitas

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 5 BAB II TINJAUAN PUSTAKA 2.1. Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan

Lebih terperinci

LOGIKA FUZZY. Dr. Ade Gafar Abdullah JPTE-UPI

LOGIKA FUZZY. Dr. Ade Gafar Abdullah JPTE-UPI LOGIKA FUZZY Dr. Ade Gafar Abdullah JPTE-UPI Introduction Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Intelegent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk

Lebih terperinci

Versi Online tersedia di : JURNAL TECH-E (Online)

Versi Online tersedia di :  JURNAL TECH-E (Online) JURNAL TECH-E - VOL. 1 NO. 1 (17) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-1916 (Online) Artikel Perancangan Aplikasi Penentu Jurusan IPA atau IPS Pada SMA Menggunakan

Lebih terperinci

LOGIKA FUZZY MENGGUNAKAN MATLAB

LOGIKA FUZZY MENGGUNAKAN MATLAB LOGIKA FUZZY MENGGUNAKAN MATLAB T.SUTOJO,Ssi,M.Kom 5.10 Fuzzy Logic Toolbox Matlab menyediakan fungsi-fungsi khusus untuk perhitungan logika Fuzzy dimulai dari perhitungan fungsi keanggotaan sampai dengan

Lebih terperinci

Rima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang

Rima Ayuningtyas NIM Jurusan Teknik Informatika, Universitas Maritim Raja Ali Haji. Jl. Politeknik Senggarang, Tanjungpinang Sistem Pendukung Keputusan Dalam Menentukan Jenis Budidaya Ikan Dengan Mengukur Kualitas Air Menggunakan Metode Fuzzy Tsukamoto (Studi Kasus : Balai Benih Ikan di Pengujan Kabupaten Bintan) Rima Ayuningtyas

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat

BAB IV HASIL DAN PEMBAHASAN. Tingkat kesehatan bank dapat diketahui dengan melihat peringkat BAB IV HASIL DAN PEMBAHASAN A. Analisis Tingkat Kesehatan Bank Tingkat kesehatan bank dapat diketahui dengan melihat peringkat komposit bank tersebut. Menurut peraturan Bank Indonesia No. 13/1/PBI/2011

Lebih terperinci

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN

PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Saintia Matematika Vol. 1, No. 3 (2013), pp. 233 247. PENGGUNAAN SISTEM INFERENSI FUZZY UNTUK PENENTUAN JURUSAN DI SMA NEGERI 1 BIREUEN Zati Azmiana, Faigiziduhu Bu ulolo, dan Partano Siagian Abstrak.

Lebih terperinci

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG

ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan

Lebih terperinci

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima

LOGIKA FUZZY. Kelompok Rhio Bagus P Ishak Yusuf Martinus N Cendra Rossa Rahmat Adhi Chipty Zaimima Sistem Berbasis Pengetahuan LOGIKA FUZZY Kelompok Rhio Bagus P 1308010 Ishak Yusuf 1308011 Martinus N 1308012 Cendra Rossa 1308013 Rahmat Adhi 1308014 Chipty Zaimima 1308069 Sekolah Tinggi Manajemen Industri

Lebih terperinci

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit

BAB IV PEMBAHASAN. A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai. Pertimbangan Pengambilan Keputusan Pemberian Kredit BAB IV PEMBAHASAN A. Aplikasi Fuzzy Logic untuk Menilai Kolektibilitas Anggota Sebagai Pertimbangan Pengambilan Keputusan Pemberian Kredit Aplikasi fuzzy logic untuk pengambilan keputusan pemberian kredit

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA A. Kompetensi Pedagogik Menurut Mahmudin (2008) Kompetensi Guru merupakan seperangkat pengetahuan, keterampilan, dan perilaku yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan

Lebih terperinci

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB

SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB JURNAL MATRIX VOL. 3, NO. 1, MARET 2013 39 SISTEM INFERENSI FUZZY MAMDANI BERBASIS WEB I Ketut Suwintana Jurusan Akuntansi Politeknik Negeri Bali Kampus Bukit Jimbaran Bali Telp. +62 361 701981 Abstrak:.Logika

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Bab ini berisi tentang pemahaman dari logika fuzzy dan data mining. Pada bab ini juga akan dijelaskan bagian-bagian yang perlu diketahui dalam logika fuzzy dan data mining, sehingga

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ)

SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN BEASISWA BERPRESTASI MENGGUNAKAN METODE FUZZY (STUDI KASUS: INSTANSI XYZ) Dimas Wahyu Wibowo 1, Eka Larasati Amalia 2 1,2 Teknik Informatika, Politeknik Negeri

Lebih terperinci

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa

Kata kunci: Sistem pendukung keputusan metode Sugeno, tingkat kepribadian siswa SISTEM PENDUKUNG KEPUTUSAN METODE SUGENO DALAM MENENTUKAN TINGKAT KEPRIBADIAN SISWA BERDASARKAN PENDIDIKAN (STUDI KASUS DI MI MIFTAHUL ULUM GONDANGLEGI MALANG) Wildan Hakim, 2 Turmudi, 3 Wahyu H. Irawan

Lebih terperinci

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN:

Jurnal Informatika SIMANTIK Vol. 2 No. 2 September 2017 ISSN: PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN MAHASISWA BERPRESTASI DI STMIK CIKARANG MENGGUNAKAN JAVA NETBEANS DAN MYSQL Ema Dili Giyanti 1), Ali Mulyanto 2) 1) Program Studi Teknik Informatika, STMIK Cikarang

Lebih terperinci

Erwien Tjipta Wijaya, ST.,M.Kom

Erwien Tjipta Wijaya, ST.,M.Kom Erwien Tjipta Wijaya, ST.,M.Kom PENDAHULUAN Logika Fuzzy pertama kali dikenalkan oleh Prof. Lotfi A. Zadeh tahun 1965 Dasar Logika Fuzzy adalah teori himpunan fuzzy. Teori himpunan fuzzy adalah peranan

Lebih terperinci

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani

Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Penilaian Hasil Belajar Matematika pada Kurikulum 2013 dengan Menggunakan Logika Fuzzy Metode Mamdani M-4 Dewi Mardhiyana Universitas Pekaloangan dewimardhiyana139@gmail.com

Lebih terperinci

IMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS

IMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS IMPLEMENTASI METODE FUZZY UNTUK KLASIFIKASI USIA JERUK NIPIS Hendry Setio Prakoso 1, Dr.Eng. Rosa Andrie.,ST.,MT 2, Dr.Eng. Cahya Rahmad.,ST.,M.Kom 3 1,2 Teknik Informatika, Teknologi Informasi, Politeknik

Lebih terperinci

IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM)

IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) IMPLEMENTASI FUZZY LOGIC DALAM MENENTUKAN PENDUDUK MISKIN (STUDI KASUS PADA BADAN PUSAT STATISTIK KOTA PAGARALAM) Junius_Effendi* Email : Cyberpga@ymail.com ABSTRAK Penelitian ini dilakukan untuk memperlajari

Lebih terperinci

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP

Team project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini.

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai teori-teori yang akan digunakan untuk menunjang dalam proses pembuatan tugas akhir ini. 2.1 CLUSTERING Clustering adalah proses pengelompokkan suatu

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Sistem Pendukung Keputusan Sistem Pendukung Keputusan dapat diartikan sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan dalam situasi tertentu. Sistem

Lebih terperinci

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY

SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY SISTEM PENDUKUNG KEPUTUSAN PENERIMAAN BEASISWA BIDIK MISI DI POLITEKNIK NEGERI JEMBER MENGGUNAKAN LOGIKA FUZZY oleh: 1 I Putu Dody Lesmana, 2 Arfian Siswo Bintoro 1,2 Jurusan Teknologi Informasi, Politeknik

Lebih terperinci

BAB II: TINJAUAN PUSTAKA

BAB II: TINJAUAN PUSTAKA BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali

Lebih terperinci

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno

Penentuan Jumlah Produksi Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Penentuan Kue Bolu pada Nella Cake Padang dengan Sistem Inferensi Fuzzy Metode Sugeno Shenna Miranda #1, Minora Longgom Nasution *2, Muhammad Subhan #3 #1 Student of Mathematics department State University

Lebih terperinci

LOGIKA SAMAR (FUZZY LOGIC)

LOGIKA SAMAR (FUZZY LOGIC) LOGIKA SAMAR (FUZZY LOGIC) 2. Himpunan Samar 2.. Himpunan Klasik dan Himpunan Samar Himpunan klasik merupakan himpunan dengan batasan yang tegas (crisp) (Jang, Sun, dan Mizutani, 24). Sebagai contoh :

Lebih terperinci

PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO

PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO Ahmad Bahroini 1, Andi Farmadi 2, Radityo Adi Nugroho 3 1,2,3Prodi Ilmu Komputer FMIPA UNLAM Jl. A. Yani Km 36 Banjarbaru, Kalimantan

Lebih terperinci

SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA

SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS DI PDAM KOTA SURABAYA. oleh: WINDA ZULVINA SIDANG TUGAS AKHIR IMPLEMENTASI FUZZY RULES UNTUK PERENCANAAN DAN PENENTUAN PRIORITAS PEMELIHARAAN PERALATAN PRODUKSI DI PDAM KOTA SURABAYA oleh: WINDA ZULVINA 5206100040 Dosen Pembimbing : Mahendrawathi

Lebih terperinci

PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO

PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO PENDAPATAN MASYARAKAT DENGAN ADANYA KAMPUS MENGGUNAKAN FUZZY TSUKAMOTO Asrianda 1 asrianda@unimal.ac.id Abstrak Bertambahnya permintaan mahasiswa atas kebutuhan makan seharihari, berkembangnya usaha warung

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 5 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Inteligent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk algoritma yang

Lebih terperinci

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining

Sebelumnya... Penalaran pada Sistem Pakar. Ketidakpastian dalam Sistem Pakar. Contoh forward chaining & backward chaining Sebelumnya... Penalaran pada Sistem Pakar Contoh forward chaining & backward chaining Ketidakpastian dalam Sistem Pakar Teori Peluang Teori Bayes Jaringan Bayes Faktor Kepastian Kecerdasan Buatan Pertemuan

Lebih terperinci

Analisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA)

Analisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA) Analisis Rule Inferensi Mamdani dalam Menentukan Beasiswa Peningkatan Prestasi Akademik ( PPA) Khairul Saleh, M. Kom, Universitas Asahan; address, telp/fax of institution/affiliation Jurusan Teknik Informatika,

Lebih terperinci

IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT

IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT IMPLEMENTASI FUZZY TSUKAMOTO DALAM PENENTUAN KESESUAIAN LAHAN UNTUK TANAMAN KARET DAN KELAPA SAWIT Maya Yusida 1, Dwi Kartini 2, Andi Farmadi 3, Radityo Adi Nugroho 4, Muliadi 5 123Prodi Ilmu Komputer

Lebih terperinci

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto

: Sistem Pendukung Keputusan, Siswa berprestasi, Tsukamoto SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN SISWA BERPRESTASI BERBASIS WEB DENGAN METODE TSUKAMOTO PADA SMA INSTITUT INDONESIA Eko Purwanto Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas

Lebih terperinci

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI

PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI PENENTUAN JUMLAH PRODUKSI TELEVISI MERK X MENGGUNAKAN METODE FUZZY MAMDANI Ahmad Mufid Program Studi Sistem Komputer Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Sultan Fatah No. 83 Demak Telpon

Lebih terperinci

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma.

manusia diantaranya penyakit mata konjungtivitis, keratitis, dan glaukoma. 6 BAB II TINJAUAN PUSTAKA 2.1 Gambaran Tentang Mata Mata merupakan organ tubuh manusia yang paling sensitif apabila terkena benda asing misal asap dan debu. Debu akan membuat mata kita terasa perih atau

Lebih terperinci

PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI

PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus

Lebih terperinci

PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI

PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI PREDIKSI JUMLAH PRODUKSI BARANG BEDASARKAN JUMLAH PERMINTAAN DAN DATA JUMLAH PERSEDIAAN CV.CIHANJUANG INTI TEKNIK MENGGUNAKAN LOGIKA FUZZY MAMDANI Rizka Munia Yogaswara 1), Gunawan Abdillah 2), Dian Nursantika

Lebih terperinci

Analisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB

Analisa Tingkat Kebisingan di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Analisa Tingkat di DKI Jakarta dengan Fuzzy Logic Menggunakan Aplikasi MATLAB Popy Meilina Jurusan Teknik Informatika Universitas Muhammadiyah Jakarta E-mail: Opi3_five@yahoo.com.sg Abstrak -- Fuzzy Logic

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Permintaan, Persediaan dan Produksi 2.1.1 Permintaan Permintaan adalah banyaknya jumlah barang yang diminta pada suatu pasar tertentu dengan tingkat harga tertentu pada tingkat

Lebih terperinci

PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)

PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas

Lebih terperinci

RANCANG BANGUN APLIKASI PERAMALAN CUACA DENGAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS KOTA SURABAYA)

RANCANG BANGUN APLIKASI PERAMALAN CUACA DENGAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS KOTA SURABAYA) RANCANG BANGUN APLIKASI PERAMALAN CUACA DENGAN MENGGUNAKAN METODE FUZZY MAMDANI (STUDI KASUS KOTA SURABAYA) Yonatan Widianto 1*, Tamaji 2 1 Program Studi Teknik Informatika, Fakultas Teknik, Universitas

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia

Lebih terperinci

ABSTRAK. Kata Kunci: komparasi, prediksi, mahasiswa baru, Tsukamoto, Sugeno, Mamdani, framework CI, registrasi. ABSTRACT

ABSTRAK. Kata Kunci: komparasi, prediksi, mahasiswa baru, Tsukamoto, Sugeno, Mamdani, framework CI, registrasi. ABSTRACT JURNAL TEKNIK INFORMATIKA, APRIL 2017 9 ANALISA PERBANDINGAN LOGIC FUZZY METODE TSUKAMOTO, SUGENO, DAN MAMDANI (STUDI KASUS : PREDIKSI JUMLAH PENDAFTAR MAHASISWA BARU FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS

Lebih terperinci

LOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK

LOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK LOGIKA FUZZY DALAM TEKNIK PERAMALAN SECARA STATISTIK Deddy Barnabas Lasfeto Abstrak : Selama ini, metode peramalan secara konvensional yang digunakan adalah analisis regresi. Oleh karena itu, dicoba untuk

Lebih terperinci

IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA

IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,

Lebih terperinci

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang

Lebih terperinci

IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG

IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG Nazrul Effendy, M. Heikal Hasan dan Febry Wikatmono Jurusan Teknik Fisika, Fakultas Teknik, Universitas Gadjah Mada Jln. Grafika

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA 4 BAB II TINJAUAN PUSTAKA A. Penjurusan di SMA Sepanjang perkembangan Pendidikan formal di Indonesia teramati bahwa penjurusan di SMA telah dilaksanakan sejak awal kemerdekaan yaitu tahun 1945 sampai sekarang,

Lebih terperinci

KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE

KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE Fitria Suryatini Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 (UNISMA) E-mail: fitriasuryatini88@gmail.com

Lebih terperinci

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH

SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH KECERDASAN BUATAN SISTEM INFERENSI FUZZY (METODE TSUKAMOTO) UNTUK PENENTUAN KEBUTUHAN KALORI HARIAN OLEH AMARILIS ARI SADELA (E1E1 10 086) SITI MUTHMAINNAH (E1E1 10 082) SAMSUL (E1E1 10 091) NUR IMRAN

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1. Tinjauan Pustaka Penelitian dengan judul Pemodelan Untuk Menentukan Kecukupan Angka Gizi Ibu Hamil. Penentuan status kecukupan angka gizi ibu hamil dilakukan

Lebih terperinci

BAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D-

BAB II KAJIAN PUSTAKA. mengikuti sertifikasi, baik pendidikan gelar (S-1, S-2, atau S-3) maupun nongelar (D- BAB II KAJIAN PUSTAKA A. Kualifikasi Akademik Ditjendikti - kemendiknas, (2010) menyatakan bahwa kualifikasi akademik adalah ijazah pendidikan tinggi yang dimiliki oleh guru pada saat yang bersangkutan

Lebih terperinci

PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO

PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze

Lebih terperinci

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy

Pengantar Kecerdasan Buatan (AK045218) Logika Fuzzy Logika Fuzzy Pendahuluan Alasan digunakannya Logika Fuzzy Aplikasi Himpunan Fuzzy Fungsi keanggotaan Operator Dasar Zadeh Penalaran Monoton Fungsi Impilkasi Sistem Inferensi Fuzzy Basis Data Fuzzy Referensi

Lebih terperinci

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN... ii. HALAMAN PERNYATAAN... iii. KATA PENGANTAR... iv. MOTO DAN PERSEMBAHAN... v. DAFTAR ISI...

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGESAHAN... ii. HALAMAN PERNYATAAN... iii. KATA PENGANTAR... iv. MOTO DAN PERSEMBAHAN... v. DAFTAR ISI... DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN... ii HALAMAN PERNYATAAN... iii KATA PENGANTAR... iv MOTO DAN PERSEMBAHAN... v DAFTAR ISI... vi DAFTAR GAMBAR... viii DAFTAR TABEL... x ABSTRAK... xi ABSTRACT...

Lebih terperinci

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com

Lebih terperinci

Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan

Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan

Lebih terperinci

BAB III LANDASAN TEORI

BAB III LANDASAN TEORI BAB III LANDASAN TEORI Bab ini akan memaparkan berbagai teori yang melandasi penulis dalam membangun sistem yang nantinya akan dibuat. 3.1. Pengertian Optimalisasi Secara umum pengertian optimalisasi menurut

Lebih terperinci